gipps + pipes

gipps/gipps.py

@@ -0,0 +1,122 @@
+import numpy as np
+import matplotlib.pyplot as plt
+import time
+from colour import Color
+
+# ===========
+t0 = 0
+tf = 30
+dt = 1
+t = t0
+# ===========
+nbv = 2
+
+"""# ===========       VARIABBLES
+Xn(t) # position au temps t
+Vn(t) # vitesse au temps t
+An(t+Tr) # accel au temps t + Tr
+ln # ?
+k # ?
+m # ?
+"""
+
+# ===========       CONSTANTES
+An = 1.7 # accel max                                          sampled from a normal distribution. N(1.7,0.3²) m/s²
+Bn = -2 * An # frein max                                          equated to - 2An
+Sn =  6.5 # taille de la voiture plus marge                    sampled from a normal distribution. N(6.5,0.3²) m
+Vd = 20.0 # vitesse désirée                                    sampled from a normal distribution. N(20.0,3.2²) m/sec
+# X*n # position fin de freinage (calculable)
+Tr = 2/3 + (2/3)/2 # temps de réaction + sûreté                 (= tau + θ = 2/3 + tau/2)
+# B supposé égal à Bn-1 (si pas égal alors amplifications ??)
+
+
+def rainbow_gradient(num_colors):
+    colors = []
+    base_color = Color("violet")
+    gradient = list(base_color.range_to(Color("red"), num_colors))
+    for color in gradient:
+        hex_code = color.hex_l
+        colors.append(hex_code)
+    return colors
+colors = rainbow_gradient(nbv)
+
+def px(xx):             # Avance au cours du temps
+    xx += 1
+    return xx
+
+def vitesseatt(t, yy):       # Vitesse qu'il peut réellement atteindre d'un point de vue dynamique
+
+
+
+    Vnt = yy[-1]
+    
+    value = Vnt + 2.5 * An * Tr * ( 1 - (Vnt/Vd) ) * np.sqrt( ( 0.025 + (Vnt/Vd) ))
+    print('value: ', value)
+
+    yy[0] = value
+    newyy = yy
+    print('newyy: ', newyy)
+    return newyy
+    
+
+def vitesseadop(t, yy):      # Vitesse qu'il est possible d'adopter en connaissant les contraintes de sécurité liées à la présence du véhicule leader
+    t = t + Tr
+    pass
+
+def vitessereelle(t, yyold):    # Vitesse du véhicule
+    print(len(yy))
+    t = t + Tr
+    if (t>= 0) and (t<=10):
+        yy[-1] = 0              # Arrêt du leader
+    elif (t>= 15) and (t<=20):
+
+    else:
+        yy[-1] = Vd           # Leader avance normalement
+
+
+# a = np.where(t <= 10, (Umax - Umin) / 10, - (Umax - Umin) / 10)
+# vt = np.where(t <= 10, Umin + a * t, Umax + 2 * a * (t - 10))
+
+
+
+
+    vatt = vitesseatt(t, yyold)
+    vadop = vitesseadop(t, yyold)
+    # return min(vatt, vadop)
+    return vatt
+
+
+xxbase = np.linspace(-nbv, -1, nbv)
+yybase = np.linspace(0, 0, nbv)
+
+xxold = xxbase.copy()
+yyold = yybase.copy()
+
+while(t<tf):
+    plt.figure(1,figsize=[16,9])
+    plt.clf()
+    plt.xlim([-1,31])
+    plt.ylim([-0.5, Vd+1])
+    
+    
+    xx = px(xxold)
+    print('xx: ', len(xx))
+
+    yy = vitessereelle(t, yyold)
+    print('yyold: ', len(yyold))
+    print('yy: ', len(yy))
+
+    
+    plt.scatter(xx, yy, c=colors)
+
+
+    plt.plot([0,30],[Vd, Vd], color='k', linestyle='-', linewidth=1)
+    plt.xlabel('temps en s')
+    plt.ylabel('vitesse en m.s-¹')
+    plt.title('Vitesse maximale désirée\nvitesse du leader : ' + str(Vd) + 'm.s-¹\ndistance minimale entre deux voitures : ' + str('') + 'm\n\nTemps : ' + str(t))
+    plt.draw()
+    # plt.savefig(str(t)+'.png')
+    plt.pause(1)
+    t += dt
+    xxold = xx.copy()
+    yyold = yy.copy()

gipps/graph.py

@@ -0,0 +1,43 @@
+import numpy as np
+import matplotlib.pyplot as plt
+
+# ===========       CONSTANTES
+An = 1.7 # accel max                                          sampled from a normal distribution. N(1.7,0.3²) m/s²
+Bn = -2 * An # frein max                                          equated to - 2An
+Sn =  6.5 # taille de la voiture plus marge                    sampled from a normal distribution. N(6.5,0.3²) m
+Vd = 20.0 # vitesse désirée                                    sampled from a normal distribution. N(20.0,3.2²) m/sec
+# X*n # position fin de freinage (calculable)
+Tr = 2/3 + (2/3)/2 # temps de réaction + sûreté                 (= tau + θ = 2/3 + tau/2)
+# B supposé égal à Bn-1 (si pas égal alors amplifications ??)
+
+
+vv = np.linspace(0, 100, 200)
+
+def vitesseatt(vv):       # Vitesse qu'il peut réellement atteindre d'un point de vue dynamique
+    value = vv + 2.5 * An * Tr * ( 1 - (vv/Vd) ) * np.sqrt( ( 0.025 + (vv/Vd) ))
+    return value
+    
+
+def vitesseadop(vv):      # Vitesse qu'il est possible d'adopter en connaissant les contraintes de sécurité liées à la présence du véhicule leader
+    value = 1
+    return value
+
+def vitessereelle(vv):      # Vitesse maximale désirée
+    vatt = vitesseatt(vv)
+    vadop = vitesseadop(vv)
+    return min(vatt, vadop)
+
+plt.figure(figsize=[16,9])
+
+
+plt.plot(vv, vitesseatt(vv), '-', color='red', label='No mask')
+# plt.plot(vv, vitesseadop(vv), '-', color='green', label='No mask')
+
+
+plt.legend()
+plt.title('Variation de la vitesse de la voiture suivant en fonction de la voiture leader')
+plt.xlabel('vitesse de la voiture leader en m.s-¹')
+plt.ylabel('vitesse de la voiture qui suit en m.s-¹')
+plt.savefig('gipps/graph.png')
+plt.draw()  
+plt.pause(4)

modelv.py

@@ -1,6 +1,7 @@
 import numpy as np
 import matplotlib.pyplot as plt
 import time
+from colour import Color
 
 t0 = 0
 tf = 20
@@ -13,6 +14,17 @@ U = 1.25 # vitesse m.s-¹
 Wm = 0.3 # distance minimale entre la voiture et celle qui la précède m
 Ws = 0.9 # m
 
+def rainbow_gradient(num_colors):
+    colors = []
+    base_color = Color("violet")
+    gradient = list(base_color.range_to(Color("red"), num_colors))
+    for color in gradient:
+        hex_code = color.hex_l
+        colors.append(hex_code)
+    return colors
+colors = rainbow_gradient(11)
+
+
 def phi(ww): # prend en entrée la distance entre les deux véhicules
     PHI = (U*(1 - np.exp(- (ww-Wm)/Ws)))
     return (ww >= Wm)* PHI  # retourne la vitesse du véhicule
@@ -39,10 +51,10 @@ while(t<tf):
     plt.ylim([-0.5, 1.5])
     vt = vitesses(xxold)
     xx = position(xxold, vt)
-    color = ['#ff0000', '#ff5300', '#ffa500', '#ffd200', '#ffff00', '#80c000', '#008000', '#004080', '#0000ff', '#2600c1', '#4b0082']
+    # color = ['#ff0000', '#ff5300', '#ffa500', '#ffd200', '#ffff00', '#80c000', '#008000', '#004080', '#0000ff', '#2600c1', '#4b0082']
     plt.scatter(xx, vt)
     print(xx)
-    plt.scatter(xx, y, c=color)
+    plt.scatter(xx, y, c=colors)
     plt.plot([0,20],[1.25, 1.25], color='k', linestyle='-', linewidth=1)
     plt.xlabel('distance w  en m')
     plt.ylabel('vitesse en m.s-¹')

pipes/dist sécurité.py

@@ -0,0 +1,29 @@
+import numpy as np
+import matplotlib.pyplot as plt
+
+vt = 1.25  # 4,5 km/h
+Umin = 1  # vitesse m/s
+Umax = 36  # environ 130 km/h
+Wm = 4.23  # longueur du véhicule en m (moyenne française)
+t = np.linspace(0, 15, 400)
+
+def vitesse(t):
+    a = np.where(t <= 10, (Umax - Umin) / 10, - (Umax - Umin) / 10)
+    vt = np.where(t <= 10, Umin + a * t, Umax + 2 * a * (t - 10))
+    return vt
+
+
+def security(t):
+    vt = vitesse(t)
+    dist = Wm * (1 + (vt/(16.1/3.6)))
+    # print(dist)
+    return dist
+
+plt.figure(figsize=[16, 9])
+plt.xlim([-1,16])
+plt.xlabel('temps (s)')
+plt.ylabel('distance de sécurité (m)')
+plt.plot(t, security(t))
+plt.savefig('pipes/dist sécurités.png')
+plt.draw()
+plt.pause(5)

polairedc.py

@@ -2,13 +2,14 @@ import numpy as np
 import matplotlib.pyplot as plt
 import time
 from colour import Color
+import random
 
 t0 = 0
 tf = 200
 dt = 0.5
 t = t0
 
-nbv = 20
+nbv = 30
 
 def rainbow_gradient(num_colors):
     colors = []
@@ -20,26 +21,6 @@ def rainbow_gradient(num_colors):
     return colors
 colors = rainbow_gradient(nbv)
 
-def status(distances):
-    num_colors = len(distances)
-    colors = []
-    base_color = Color("green")
-    target_color = Color("red")
-    luminance_start = base_color.get_luminance()
-    luminance_end = target_color.get_luminance()
-    for i in range(num_colors):
-        moydist = distances[i]
-        t = i / (num_colors - 1)
-        adjusted_luminance = luminance_start + (luminance_end - luminance_start) * (1 - t) * (moydist - 1) / 18
-        color = Color(rgb=(base_color.rgb[0] * (1 - t) + target_color.rgb[0] * t,
-                           base_color.rgb[1] * (1 - t) + target_color.rgb[1] * t,
-                           base_color.rgb[2] * (1 - t) + target_color.rgb[2] * t))
-        color.set_luminance(adjusted_luminance)
-        hex_code = color.hex_l
-        colors.append(hex_code)
-    return colors
-
-
 U = 1.25 # vitesse m.s-¹
 Wm = 0.3 # distance minimale entre la voiture et celle qui la précède m
 Ws = 0.9 # m
@@ -51,10 +32,14 @@ def phi(ww): # prend en entrée la distance entre les deux véhicules
 y = np.linspace(1, 1, nbv)
 xxbase = np.linspace(0, 1, nbv)
 
+arr = random.randint(0,nbv-1)
+
 def distances(fposition):
     # print('fposition', fposition)
     dist = np.diff(fposition)
     inter = fposition[0]+20-fposition[-1]
+    if (t>= 50) and (t<=60) :
+        dist[arr] = 0
     newdist = np.insert(dist, len(dist), inter)
     return newdist
 
@@ -75,20 +60,13 @@ while(t < tf):
     plt.polar(theta, r, alpha=0)
 
     dst = distances(xxold)
-    statusc = status(dst)
-    print(dst)
-    print(statusc)
-
     vt = phi(dst)
     xx = position(xxold, vt)
 
     plt.scatter(xx/10 * np.pi, y, c=colors)
 
-    # for i in range(len(xx)-1):
-    #     plt.plot([xx[i]/10 * np.pi, xx[i+1]/10 * np.pi], [y[i], y[i+1]], color=statusc[i])
-
-    plt.title('Vitesse maximale : ' + str(U) + ' m/s\ndistance minimale entre deux voitures : ' + str(Wm) + ' m\nnombre de voitures : ' + str(nbv))
+    plt.title('Vitesse maximale : ' + str(U) + ' m/s\ndistance minimale entre deux voitures : ' + str(Wm) + ' m\nnombre de voitures : ' + str(nbv) + '\n temps : ' + str(t)+ '\n la voiture qui va freiner est la ' + str(arr) + ' ème (à 50s)')
     plt.draw()
     plt.pause(0.00001)
     t += dt
-    xxold = xx.copy()
+    xxold = xx.copy()

test/phi(ww).py

@@ -14,5 +14,6 @@ plt.figure(figsize=[16,9])
 plt.xlabel('distance w  en m')
 plt.ylabel('vitesse en m.s-¹')
 plt.plot(ww, phi(ww))
-plt.savefig('phi(ww).png', dpi=300)
-plt.show()
+plt.savefig('test/phi(www).png')
+plt.draw()  
+plt.pause(4)